인공지능/딥러닝

Yolov8 - 학습이 완료된 후 생성되는 파일들의 정보

Yolo v8을 통해 학습을 완료하게 되면 C:\Users\your_path\runs\detect\train 이라는 폴더에 아래 사진과 같이 파일들이 저장되는 것을 확인할 수 있다. 각각의 파일들이 어떠한 정보를 가지고 있는지 자세하게 살펴보려고한다. confusion_matrix.png 이 파일은 혼동 행렬(Confusion Matrix)를 시각화한 것입니다. 혼동 행렬은 분류 모델의 성능을 평가하는 데 사용되며, 모델이 예측한 클래스와 실제 클래스 간의 관계를 보여줍니다. 행은 실제 클래스를, 열은 예측된 클래스를 나타냅니다. 대각선 값들은 정확하게 분류된 인스턴스를 나타내며, 대각선 이외의 요소들은 잘못 분류된 인스턴스를 나타냅니다. 행(Row): 이는 실제 클래스(Actual Class)를 나타냅..

DarkLabel 사용법

https://github.com/darkpgmr/DarkLabel GitHub - darkpgmr/DarkLabel: Video/Image Labeling and Annotation Tool Video/Image Labeling and Annotation Tool. Contribute to darkpgmr/DarkLabel development by creating an account on GitHub. github.com 위 깃허브 저장소에서 darklabel.zip 파일을 다운로드 받은 후 압축을 풀어줍니다. 위와같이 파일이 있을텐데, DarkLabel.exe로 실행을 시켜주기 전에, darklabel.yml을 실행시켜 줍니다. 위 부분에서 클래스를 우리의 입맛에 맞게 작성을 해줍니다. 아래는 예시..

Yolov8 - 내 커스텀 데이터를 이용해 학습하기 / 훈련 데이터와 검증 데이터로 나누기

사용하기에 앞서 https://github.com/ultralytics/ultralytics 위 링크에 접속하여 Clone한 후에 내 로컬에서 열어줍니다. 언어는 Python을 이용해 작업을 진행해보겠습니다. GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite - GitHub - ultralytics/ultralytics: NEW - YOLOv8 🚀 in PyTorch > ONNX > CoreML > TFLite github.com 위 모델을 이용하기 위해서는 반드시 .yaml 파일이 필요합니다. 아래는 제가 작업한..

딥러닝 : Time Series 데이터를 처리할 때 사용하는 resample()

resample()함수 # 그룹바이함수를 이용해서는 날짜 데이터로 바로 # 년 단위, 월 단위, 일 단위, 시 단위, 분 단위, 초 단위 등으로 묶어라 # 라고 할 수가 없다 # 따라서 먼저 Date컬럼을 인덱스로 만들어준다. # 그러면 resample 함수를 사용할 수 있게 된다. # 바로 이 함수가, 년단위 월단위 등등으로 데이터를 묶어서 처리가 가능하다. 이 함수를 사용하기위해 인덱스를 설정하는 방법 chicago_df.index = chicago_df['Date'] # 데이터 프레임의 인덱스를 데이터프레임의 'Date'컬럼으로하라 인덱스가 바뀐 것을 확인 참고 자료 # resample 'Y' 는 년도다. 년도로 리샘플한 후, 각 년도별 몇개의 범죄 데이터를 가지고 있는지 확인한다. df_year=..